1、训练好后，会提示权重保存文件，如下图所示：
2、接着找到最好的权重，如下图所示：
3、接着找到detect.py,如下图所示：
4、接着将权重路径传入到推理函数中，如下所示：
5、接着待检测图片路径，如下图所示：
6、最后运行detect.py即可，如下图所示：
上文如有错误，恳请各位大佬指正。
YOLOV5检测自己训练的数据集
2023-08-01
103
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
YOLOV5检测自己训练的数据集
目录
相关文章
|
2月前
|
机器学习/深度学习
开发工具
计算机视觉
|
存储
机器学习/深度学习
算法
|
1月前
|
机器学习/深度学习
分布式计算
并行计算
|
1月前
|
计算机视觉
|
2月前
|
机器学习/深度学习
编解码
算法
|
2月前
|
机器学习/深度学习
算法
Serverless
|
8月前
|
传感器
数据采集
编解码
3D目标检测数据集 DAIR-V2X-V
本文分享国内场景3D目标检测，公开数据集 DAIR-V2X-V（也称为DAIR-V2X车端）。DAIR-V2X车端3D检测数据集是一个大规模车端多模态数据集，包括：
22325帧 图像数据
22325帧 点云数据
2D&3D标注
基于该数据集，可以进行车端3D目标检测任务研究，例如单目3D检测、点云3D检测和多模态3D检测。
165
0
0
|
11月前
|
存储
大数据
Linux
|
网络安全
开发工具
网络架构
|
固态存储
开发工具
git